Advanced Prompting
Reasoning prompts, reusable libraries, context design, and production prompt layers.
22 historier (8 artikler · 14 videoer)
Start her
Et par gode steder at begynde, før du går på opdagelse i hele oversigten.
11 min læsningByg genanvendelige promptbiblioteker: fra tekststumper til fælles skabeloner
Når du for alvor bruger AI, skriver du de samme typer prompts igen og igen. Her får du et praktisk system til at opbygge, organisere og dele et promptbibliotek — hvad du skal gemme, hvordan du versionsstyrer det, og hvilken infrastruktur du bør bruge.
Let øvet
10 min læsningUdformning af prompts til ræsonnerende modeller (o3, R1 og Claude extended thinking)
Ræsonnerende modeller er ikke hurtige modeller med ekstra trin. De belønner en anden måde at skrive prompts på, ignorerer visse traditionelle mønstre og har deres egne faldgruber. En praktisk vejledning i at bruge dem godt.
Let øvet
12 min læsningKontekstengineering: håndtering af 1M-tokenvinduer uden kontekstforringelse
Der findes kontekstvinduer på 1M tokens, men kvaliteten forringes længe før grænsen nås. Kontekstengineering er disciplinen i at bruge kontekstvinduer effektivt — hvad der skal medtages, hvad der skal sammenfattes, hvad der skal hentes på ny, og hvilke mønstre der holder kvaliteten høj, når konteksten vokser.
AvanceretFlere i dette emne
10 min læsningChain-of-thought, self-critique og tree-of-thoughts — hvornår du skal bruge hvad
Tre ræsonnementsteknikker, der reelt forbedrer AI-resultater på vanskelige problemer — og beregningen af omkostninger og udbytte ved at bruge dem. Med konkrete prompts, direkte sammenligninger og de faldgruber, som moderne ræsonnerende modeller medfører.
Let øvet
12 min læsningVælg mellem prompting, RAG og finjustering (og hvornår de skal kombineres)
Prompting, RAG og finjustering er de tre store greb til at tilpasse LLM'er til dit problem. De passer hver især til nogle problemer og ikke til andre. Her er en ramme for valget, de realistiske omkostninger og de produktionsmønstre, hvor kombinationen virker bedst.
Avanceret
12 min læsningDesign af prompts til produktion: system-, udvikler- og brugerlag
Produktionsprompter er ikke blot 'fortæl AI, hvad du vil'. De er et lagdelt system — stabile instruktioner, dynamisk kontekst og variabler pr. kald — som behandles som kode. Arkitekturen, mønstrene og disciplinen adskiller produktion fra prototyper.
Avanceret
7 min læsningVælg den rette model til opgaven: en beslutningsguide til 2026
Hvilken model du bør vælge til forskellige opgavetyper. GPT, Claude, Gemini, ræsonneringsmodellerne og modellerne med åbne vægte — sorteret efter, hvad de reelt er bedst til, med enkle beslutningsregler.
Begynder
13 min læsningStrukturerede output og funktionskald: produktionsmønstrene
Strukturerede output og funktionskald er broen fra 'LLM, der genererer tekst' til 'system, der udfører arbejde'. I produktion handler de vigtige mønstre om skemaer, fejlhåndtering, idempotens og kontrolleret forringelse — ikke kun JSON-tilstand.
Avanceret
Tree of Thoughts: bevidst problemløsning med store sprogmodeller (fuld paper review)
Yannic Kilcher.
Let øvet
Prompting 101
Anthropic.
Let øvet
Context Engineering for Agents
LangChain.
Avanceret
Context Rot: Hvordan flere inputtokens påvirker LLM-performance
Chroma.
Avanceret
Building OpenAI o1
OpenAI.
Let øvet
o1 — hvad foregår der? Hvorfor o1 er et 3. paradigme for modeller + 10 ting, du måske ikke ved
AI Explained.
Let øvet
RAG vs. Fine Tuning
IBM Technology.
Avanceret
RAG vs Fine-Tuning vs Prompt Engineering: Optimering af AI-modeller
IBM Technology.
Avanceret
AI prompt engineering: En dybdegående gennemgang
Anthropic.
Avanceret
Prompting 101 | Code w/ Claude
Anthropic.
Avanceret
Den bedste ChatGPT-prompt, jeg nogensinde har lavet — jeg brugte 2 måneder på at kuratere denne prompt til at skrive prompts
Lawton Learns.
Let øvet
Googles 9-timers kursus i AI prompt engineering på 20 minutter
Tina Huang.
Let øvet
OpenAI DevDay 2024 | Strukturerede outputs til pålidelige applikationer
OpenAI.
Avanceret
Pydantic is all you need: Jason Liu
AI Engineer.
Avanceret